ExplorationBench：评估 AI 探索能力的异世界基准
先了解这件事
2026 年 9 月 24 日，HuggingFace Daily Papers 收录了社区热门论文 ExplorationBench。研究者提出用规则可执行、且与既有知识相冲突的“异世界”来评估 AI 系统的探索能力，其设计使答案可被精确验证，同时无法依靠预训练记忆作答。该基准包含两个沙盒：AlienCode 设有 31 个发现目标、70 项任务；AlienLogic 设有 24 个发现目标、70 项任务。9 月 30 日，腾讯混元在 X 上宣布联合复旦、清华发布 ExplorationBench，称其用可执行规则的 Alien Worlds 评测 AI 自主探索能力，并给出两个沙盒的构成：AlienCode 含 31 条隐藏规则改动、70 项任务，AlienLogic 含 24 条推理规则、70 项定理。早先报道称 AlienCode 为 31 个发现目标、AlienLogic 为 24 个发现目标，后续报道则分别表述为 31 条隐藏规则改动与 24 条推理规则。
AI 根据报道生成 · 2 小时前更新
事件进展
- 9月30日 21:29 · 1 篇报道腾讯混元等发布ExplorationBench基准腾讯混元：腾讯混元等发布 ExplorationBench 评测 AI 探索能力
- 9月24日 08:00 · 1 篇报道ExplorationBench：在可验证异世界中评估 AI 系统的探索能力HuggingFace Daily Papers（社区热门论文）：ExplorationBench：在可验证异世界中评估 AI 系统的探索能力
报道时间线
沿着报道，了解事件的不同侧面。
- X：腾讯混元 (@TencentHunyuan)腾讯混元等发布 ExplorationBench 评测 AI 探索能力
腾讯混元联合复旦、清华发布 ExplorationBench，用可执行规则的 Alien Worlds 评测 AI 自主探索能力，含 AlienCode（31 条隐藏规则改动、70 任务）和 AlienLogic（24 条推理规则、70 定理）两个沙盒。
- HuggingFace Daily Papers（社区热门论文）ExplorationBench：在可验证异世界中评估 AI 系统的探索能力
研究者推出 ExplorationBench，用规则可执行且与既有知识冲突的"异世界"评估 AI 探索能力，使答案可精确验证且无法靠预训练记忆作答。该基准包含 AlienCode（31 个发现目标、70 项任务）和 AlienLogic（24 个发现目标、70 项任务）两个沙盒。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。